统计学习方法中，朴素贝叶斯法是如何处理长尾分布数据的？

本文共计4016个文字，预计阅读时间需要17分钟。

统计学习——朴素贝叶斯法

1.朴素贝叶斯法介绍——朴素贝叶斯（Naive Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。

统计学习——朴素贝叶斯法 1.朴素贝叶斯法介绍

  朴素贝叶斯（naive Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布\(P(X,Y)\)；然后基于此模型，对给定的输入\(x\)，利用贝叶斯定理求出后验概率最大的输出\(y\)。朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。

2.朴素贝叶斯法相关统计知识

  贝叶斯法的思想可以概括为先验概率+输入数据=后验概率。下面就简单介绍后验概率公式的简单推导。